对于AlphaGo IBM“深蓝\"开发者是如何看待的呢？

本周谷歌DeepMind团队的战功吸引了全世界的目光，央视甚至在两会期间插播这场赛事。谷歌AlphaGo在与李世石5局3胜的围棋比赛中，率先以3:0锁定了战绩，以至于输给李的第四局，甚至有网友猜测，这是AlphaGo故意放水，给人类留点面子。中国古代棋类游戏的微妙与复杂，不仅人类沉迷其中，越来越多的人工智能试图用此来证明”你们人类实在太弱了“。

其实，早在几十年前，AI专家就预测到了这个结果，跟今天的AlphaGo一样，20年前IBM带着“深蓝"击败了国际围棋手卡斯帕罗夫。默里·坎贝尔(深蓝研究科学家)是深蓝发展的关键人物之一，直到现在，他依然作为IBM认知计算部门的高级经历负责Watson AI平台。

默里·坎贝尔在此前接受媒体采访，当年他是如何让深蓝赢的?以及现在的比赛与当年又有什么不同呢?让我们来看看以下精彩的问答：

深蓝最著名的胜利发生在20年前，当年你是怎样让深蓝精通国际象棋并击败卡斯帕罗夫呢?

事实上，我们从卡内基·梅隆大学毕业后就在从事国际象棋程序工作了，然后，谷歌聘请了我们3个同学来创建下一代国际象棋机器，也就是后来的“深蓝”。当时，我们认识到一个纯蛮力的方法是很难击败世界冠军的，但从另外一方面来说，当我们拥有大量的计算能力，情况就变得不一样了，这也证实了编程力量强弱直接决定了计算的快慢。于是，我们在程序中加入了一些先进的AI算法，在搜索和评估中，并且配备了大型超级计算机的机器，最终创造出了国际水平级别的国际象棋程序。事实上，我们在1996年的比赛中失败了，但第二年卷土重来，最终在1997年我们赢得了胜利。

站在人类的立场上，你进入这一领域的动机是什么呢?仅仅是个人对于国际象棋的兴趣，或者说你更看重是计算机能力的挑战呢?

好吧，我不得不说，这两者都有，我确实对国际象棋非常感兴趣，在我成为计算机科学家之前，我就是一名国际象棋手——我是故乡加拿大阿尔伯塔省的国际象棋冠军。但是我认识到，我并没有真正大师的那种水平。这就让我非常感兴趣了，如果有天我创造出一个具有超高水准的计算机玩家呢。在我的学习过程中，一直保留着这个兴趣，所以当我加入了IBM我认为是时候结束这个假如了，并证明给大家看它是真的可以实现。

但是又不同于个人兴趣，在那个时期，它也作为一个对于计算机科学的挑战。1949年克劳德·香农发布了一个著名的论文—世界知名的数学家，他在论文说到了创建一个国际象棋的电脑会是什么样的，并且预言，这将是一个巨大的挑战。

这份工作对于你的棋艺需要高到什么程度呢?只是把规则写进去，然后让计算机在这基础规则上工作，还是要把你所有的下棋经验也写进去呢?

我觉得下棋的一些知识是很重要的，当然在早期的时候这些并不会显现出来，但你要造出真正的“高手”这不可或缺，我们当然不是所谓的高手。当到了最后的准备阶段就会有很多小细节，比如这盘棋是如何下的以及评测它的水平，所以我们决定在这个特定的时期请来真正的大师乔尔·本杰明与我们协商。而且在最后，我们还请来了额外的大师作为培训教练，用以评估我们的系统水平。

最初的目标只是为了模拟人类的玩法风格，还是创造一个不惜一切代价只为赢得比赛的机器呢?

我认为我们并没有试图去模仿人类的风格，只是在某种程度上，人类玩得很好，所以我们想在这些地方发挥好。人类的下棋风格是相当不错的研究材料，但是它并不是完全清晰的，至少过去几十年心理学家一直在研究。他们得出的结果是：高手们和大师仅仅只会看重一小部分棋招和位置，他们将考虑得非常清楚。有时候，他们不得不通过巨大的大脑计算量来决定下一步做什么，但有时候也不会这样，但具体是哪一部分棋会让他们深思呢，这是非常复杂的评估。所以，我们去很难效仿他们的风格。

在早期的人工智能工作中我们确实尝试去创建一个更加人性化风格的计算机，但它们很容易被“电脑”风格打败。你可以说，通过找到尽可能多的下法它们的水平也就非常低。但仅仅进通过纯粹全面的搜索下法确实可以达到一个不错的水准，到这个阶段我们意识到仅仅依靠计算搜索还是不够的，你必须可以真正上的模仿人类的玩法思路，或者说要让机器学会思考。人类非常擅长在关键线上深思，我们也需要让我们的系统做到这点，这对于”深蓝“的成功来说非常重要。

在1997年，大部分看过卡斯帕罗夫输掉的棋局的棋手，会不会认为深蓝下棋的风格是非常不一样的?

是的，这种表达已经使用了相当长的一段时间了。你看到电脑下的一步非常意外的或者直观的棋，他们称之为“电脑举动”。这只是人们的固步自封，而且他们自己和高手都不建议这样下而已。这就是为什么电脑能打败人类，即使在某种意义上，对它们的水平评测还比较低。他们之所以能击败人类是因为它们只能看到下棋的步骤，而人类总会纵观整个棋局，这就是它们的不同之处。我可以说，目前年轻的一代棋手似乎能够接受电脑棋局相比于老一辈来说，这非常有意思。我觉得他们在同电脑下棋的同时，固步自封的地方逐渐抹去了。

所以，最后，计算机的优越性是让人类更好。

我认为这是绝对正确的，是的。

“仅仅只通过观棋，要找到下一步棋是非常困难的。”

就计算机科学方面的需求而言，围棋与国际象棋之间有什么区别?

我并没有玩过围棋，在我的生活中玩的游戏并不多，但我确实知道很多关于围棋的规则。这两款游戏玩法都是非常巨大的，一旦你下到了第10到100步之间，你可能无法算出第120步、170步会怎么走，那需要非常巨大的计算，非常复杂的游戏。此外，围棋还有一个国际象棋没有的特点，就是你无法直接看到一下步棋怎么走，你需要思考与布局。

但围棋是一种游戏，随着时间的推移，你的布局威力才会慢慢显现出来。而国际象棋则更多的是注重当前的每一步棋。国际象棋没有那么多框架布局，你可以通过计算棋局上谁拥有的棋子多那么他的胜算也就更高了。很明显围棋比国际象棋对于思考的需求更高一些。

你觉得AlphaGo如何?这些技术在当下是否可用，它们可否同样适用于”深蓝“呢?

这是一个非常，非常好的问题，我已经跟谷歌DeepMind团队谈论过了。首先我觉得印象非常深刻，他们已经明确提出了技术状态，如果他们能证明一下基础机理并且不仅仅只有围棋也适用于其他许多游戏，那我印象会更加深刻。但它们还是仅仅处在表面上，还没有深思以后的出路，从这点来看，他们的进步还可以吧。

现在问题是，AlphaGo是否也适用于国际象棋呢。我猜测它也许可以创造出一种程序，优于所有人类棋手，但我并不认为它是最先进的。我认为，目前的国际象棋程序已经是令人难以置信的强大和非常超人，而且我不认为谷歌的方法可以创造出一个最先进的国际象棋程序，比现在所有方案还要好。

我之所以这么说是因为国际象棋与围棋的性质不同，上面我们也说到了，国际象棋更注重搜索，而围棋则倾向于布局与结构。当然，围棋有时候也需要非常深入的搜索。但总的来说，围棋更是一个关于直观与功能的评估，看棋子之前如何互相影响。

所以，在搜索和现代程序中真的没有替代。——我所知道的最好的程序叫Komodo—它是个非常高效的搜索程序，通过许多不可能的搜索步骤，还有深入的搜索。我认为把已经用在AlphaGo上的程序应用到国际象棋游戏中将会很困难，我不觉得AlphaGo可以适应象棋的搜索，它们需要不同的突破。

不冒任何风险的说，你是否有预测这场比赛?

从一个数据点我很难告诉你。他们确实击败了欧洲冠军樊辉，但它们也在休闲游戏中败给他。假如现在他们更强了，李世石显然也至少比欧洲冠军要更厉害...如果我必须要说的话，我想说，电脑会赢得胜利，但它将被关闭。

如果AlphaGo赢了，一般来说对于整个人工智能领域会有什么意义呢——还有下一个目标或者说里程碑吗?

我认为，从我的角度来看，建议对国际象棋和围棋等游戏的研究放松下来。我觉得以后将会有更好的处理这类比赛的机制。部分原因是虽然它们在某种意义上来说是非常复杂的，但用另一种方式上又非常简单—它们是完美的信息游戏，它们是从无到有的游戏，它们是轮换游戏，所以它们也就不存在什么机会元素。而这也并不能反映在现实世界中的问题。在你的现实生活中，问题并不会就摆在你面前，它们总是无法预测，当你采取行动或者作出决定后，后果才会非常清楚。

"人工智能应用到现实生活的问题中将是下一个里程碑"

所以我认为，把AlphaGo系统应用到其他游戏中去将会是非常有趣的事，而且让AlphaGo 完全脱离人类的辅助也将会是非常有意思的事。——现在他们的系统还添加了很多人类经验以及人类的下棋套路。这个证明将会是一个非常有趣的里程碑，但我的感觉是，我们正超越棋盘游戏。还有其它的游戏，比如有趣的、隐藏了信息的、随机的，它们仍旧非常有趣，忍不住想征服，但现实世界中依然存在很多问题，如果我们可以把人工智能应用起来这将会带来巨大的价值，现在这些技术正在被开发中——例如IBM的Watson，我认为将人工智能应用到现实生活问题中这将是人工智能的下一个里程碑。

还有一件事，继续思考后我想要强调：随着人工智能进入我们现实生活应用中，我并不认为，人工智能系统将如超人般迅速是合理的。我认为他们会对某一些事情的表现非常好，但是另外的事情就非常差劲了。我有一种感觉，人类与人工智能将会有一个互补性存在，人类擅长的事情机器就很差，反之亦然，所以两者合作就能够优势互补。

什么是人工智能最直接的现实世界应用?你觉得什么最突出?

我认为最有意思的应用应该是在医疗保健领域。这个领域我其实并不希望电脑进入，或者说让它们来做决策，但是我觉得它们会通过分析数据使人类的决策者更好。——通过复杂的算法去运行数据模型，并提供深入分析报告反馈给人类决策者比如医生和放射科医生们，使他们做的决定更为高效，也更加准确。我认为在不同的检测中机器人的指尖将会挖掘出更多的信息，然后给出更多的建议，这是相当有用的。所以我觉得它会让人类的决策者更好。